Laporan Praktikum 5
Laporan Praktikum 5
ACARA V
KLASIFIKASI MULTISPECTRAL
Disusun Oleh:
Nama Mahasiswa : Evi Kurniawati
NIM : 160721614488
Mata Kuliah : Penginderaan Jauh
Tanggal Praktikum : 22 November 2018
Asisten Praktikum : Hetty Rahmawati S.
1. TUJUAN
1) Mahasiswa mampu melakukan klasifikasi penggunaan lahan metode
unsupervised dan supervised classification
2) Mahasiswa mampu memahami dan membandingkan hasil klasifikasi beberapa
metode unsupervised dan supervised classification
3. DASAR TEORI
Kemudian lihat pada kotak dialog Toolbox pilih folder Raster Management Masking
doble klik Resize Data
Kemudian akan muncul tampilan kotak dialog seperti berikut dan pilih lah file SR
Klik spatial subset, selanjutnya pada kotak dialog Select Spatial Subset Klik image
Klik Ok
Setelah muncul Subet by Image, maka pilih wilayah yang cakupannya lebih sempit yang
dapat dilakukan dengan menggunakan pointer dan mengontrol kotak bergaris merah yang
ada seperti gambar di bawah klik Ok
Selanjutnya pilih tempat penyimpanan file resize Data Choose Ok
Setelah itu, proses penyimpanan akan berjalan seperti pada gambar dibawah
Maka akan muncul bagian citra yang telah di resize tadi
Setelah selesai kemudian simpan dengan klik choose namai Open klik Ok
Kemudian buatlah roi dengan 6 objek yaitu air, lahan pertanian, pemukiman, hutan, semak
belukar, dan lahan terbuka. Dalam praktikum ini, dilakukan 8 record count pada masing-
masing objek.
Berikut gambar dalam pembuatan ROI pada air. Untuk objek lainnya dilakukan langkah
yang sama dan disesuaikan dengan yang ada pada citra.
Berikut hasil pembuatan ROI pada masing-masing objek
Untuk itu mulai dengan klik folder supervised classification pada kotak Toolbox double
klik Mahalanobis classification pilih file resize SR Ok
Klik Select All item choose (bagian atas) namai mahalanobis open
single value Ok
Sedang dalam proses
Berikut hasil mahalanobis dan lakukan langkah-langkah diatas juga pada keempat
klasifikasi yang lain.
Terakhir Drag file hasil klasifikasi penggunaan lahan ke ArcMap untuk di layout
5. HASIL
1. Metode Unsupervised
a. Iso Data (terlampir)
b. K-Means (terlampir)
2. Metode Supervised
a. Mahalanobis Classification (terlampir)
b. Maximum likelihood classification (terlampir)
c. Minimum Distance classification (terlampir)
d. Parallelepiped classification (terlampir)
6. PEMBAHASAN
Pada praktikum acara v dilakukan praktikum klasifikasi multispectral. Yang mana
klasifikasi multispectral merupakan metode yang dirancang untuk menurunkan
informasi tematik dengan cara mengelompokkan fenomena berdasarkan kriteria
tertentu. Sehingga Hasil utama dari klasifikasi multispektral adalah peta tematik yang
ada pada umumnya merupakan peta penutup lahan atau penggunaan lahan, yang
kemudian biasanya dijadikan masukan dalam pemodelan spasial dalam lingkungan
sistem informasi geografi (SIG).
Berdasarkan hasil dari metode isodata dan K-Means dapat dilihat bahwa keduanya
memiliki perbedaan yang sangat mencolok dalam pengklasifikasiannya. Pada hasil
isodata lahan terbuka tidak tedeteksi sedangkan pada K-Means masih dapat
terdeteksi. Untuk jumlah pemukiman hasil dari K-Means dan IsoData berbanding
terbalik. Pada hasil isodata pemukiman sangat lah sedikit sedangkan pada K-Means
pemukiman lah yang mendominasi. Begitu pun pada objek penggunaan lahan yang
lainnya. seperti hutan, lahan pertanian dan semak belukar juga demikian. Hanya objek
berupa air saja yang memiliki persamaan dengan jumlah luas,letak dan warna yang
sama yakni merah. Dari sini dapat diketahui bahwa masing-masing dari metode
tersebut memiliki kekurangan masing-masing yang membuat nantinya informasi
yang ingin disampaikan menjadi tak tersampaikan sepenuhnya.
a. Mahalanobis Clasification
Pada metode mahalobis Clasification ini ada kelas obyek yang tidak sesuai. Bisa
dilihat pada penjelasan gambar. Pada citra komposit 321 ini adalah objek badan air
yang harusnya berwarna biru namun pada hasil mahalanobis objek air ada sebgaian
yang mengikuti warna objek lain yaitu lahan pertanian yang berwarna hijau.
b. Maximum Likelihood
Dalam Maximum Distance ini terjadi perubahan warna bila dibandingkan dengan
Mahalanobis warna hijau yang diidentifikasi sebagai vegetasi lahan pertanian dalam
metode maximum likelihood sudah tidak terlihat lagi, tetapi berganti warna menjadi
warna ungu lavender yang diidentifikasi sebagai semak belukar dan sedikit tambahan
kuning yang mengidentifikasikan lahan terbuka.
c. Minimum Distance
Dalam metode minimum distance kembali terjadi kesalahan klasifikasi. Pada obyek
hutan disini yang harusnya bewarna hijau tua disini malah bewarna merah dan hijau
muda, yang menunujukkan pemukiman dan lahan pertanian.
d.Parallelelepiped
Dalam metode ini hasil klasifikasi terlihat yang paling dominan adalah objek
pemukiman. Dan pada metode ini yang sangat jauh berbeda dari citra aslinya.
Dari keempat metode tersebut klasifikasi yang paling mendekati dengan obyek
sebenarnya yaitu klasifikasi dengan menggunakan metode Mahalanobis
Classification.
7. KESIMPULAN
1) Pada praktikum ini digunakan dua metode dalam pengklasifikasian penggunaan
lahan yakni metode unsupervised dan supervised. Yang kemudian untuk metode
unsupervised digunakan isodata dan K-Means sedangkan untuk yang metode
supervised menggunakan Mahalanobis Classification, Maximum likelihood
classification, Minimum Distance classification, dan Parallelepiped classification
2) Dari keenam metode tersebut menghasilkan tampilan yang berbeda dan
klasifikasi yang paling mendekati dengan obyek sebenarnya yaitu klasifikasi
dengan menggunakan metode Mahalanobis Classification.
DAFTAR RUJUKAN
Anonim. 2013. [PDF] BAB I PENDAHULUAN 1.1 Latar Belakang Klasifikasi multispektral.
(Online),
(http://etd.repository.ugm.ac.id/index.php?), diakses tanggal 30 November 2018
LAMPIRAN
1. Metode Unsupervised
a. Iso Data (terlampir)
b. K-Means (terlampir)
2. Metode Supervised
a. Mahalanobis Classification (terlampir)